基于分块直方图和共生矩阵的图像检索方法

提出了一种基于分块直方图和共生矩阵相结合的图像检索方法。传统的基于颜色直方图特征的图像检索方法简单且易于实现,但是失去了颜色的空间分布信息。分块直方图法根据图像目标和背景的不同,将图像分成意义不同的8个子块,充分利用了图像分块的特点,改善了颜色特征缺乏空间信息的缺点。共生矩阵法根据不同图像间共生矩阵的差别来实现图像检索。最后,综合利用上述两个特征对图像进行共同检索。实验表明：综合2种特征检索图像比单一特征检索效果更好。     

基于相机风格转换的行人再识别

不同相机间的风格变化是行人再识别领域的一个重要挑战,为了平滑相机风格差异,丰富行人样本的多样性,本文通过风格转换方法显式学习相机间的不变特征。具体来说,利用循环一致性生成对抗网络为每个行人生成具有其他相机风格的转换图像,并与原始样本一起组成增强数据集进行训练;另外,本文使用注意力机制对特征通道进行重新加权以提取更具判别力的行人外观特征,最后使用多任务损失对再识别网络进行监督训练。实验结果表明,本文方法在公开数据集Market1501和DukeMTMC-reID上的mAP和top-1指标分别达到了86.5%,95.1%以及77.1%,87.2%,优于现有算法。相机风格转换作为一种数据增强方法,有效扩充了数据集并降低了人工标注成本,同时提升了在多摄像机场景下的识别准确性。     

改进约束的传输线频率相关转换矩阵平滑算法

提出了一种新算法能够得到依频率连续变化的转换矩阵,先使用传统算法计算出每个频率点的转换矩阵,然后通过一个平滑算法消除转换矩阵中由传统算法产生的突变点。通过一个双回三相不换相输电线路的算例将新算法与Newton-Raphson算法进行比较,实验结果和理论分析表明,新算法具有更高的效率和更好的追踪能力,且更加灵活,可以适应更多约束条件,实验表明可以通过改进约束得到光滑性更好的转换矩阵。     

基于多层次通道注意力网络的少样本字体生成

为提升字体生成的图像质量,减少字体设计的人工成本,提出基于多层次通道注意力网络的少样本字体生成的方法。首先,该方法通过风格感知注意力模块获取重要的局部特征;然后设计了一个多层次的注意力机制,较浅的层只能观察图像的局部特征,而较深的层可以观察到图像的全部特征,通过聚合不同层次的局部特征来构建新的风格特征。最后,使用了内容损失函数、风格损失函数和L1损失函数优化模型的参数,稳定网络的训练,使生成图像在内容和风格上与目标字体保持一致。实验结果表明,该方法在未知样式的字体和未知内容的字体具有很强的泛化性。相比于其他方法,所提出的方法表现出更好的实验结果,能保持内容结构的完整和字形风格的准确性。     

结合轮廓和纹理特征的铅笔画自动生成系统

介绍了采用一种轮廓和纹理相结合进行图像处理的方法,采用该方法可以从照片自动生成具有铅笔画效果的非真实感图像。在图像处理过程中首先采用高频提升滤波的方法对图像进行预处理,使得图像能包含更加丰富的轮廓信息,增加图像对比度,然后通过对灰度化之后的图像进行梯度的计算,根据梯度进行像素分类,从而提取出图像轮廓,在提取轮廓阶段设置2个参数分别表示铅笔长度和深度,通过参数的调节,能产生不同效果的轮廓线图。纹理的处理方式是建立一个参数模型的方法对图像进行分层,选取人们所绘制的铅笔画纹理对每一层进行色调渲染,同时不同色调权重会产生不同风格的色调纹理图。通过轮廓和纹理的卷积叠加最终生成素描铅笔画,并且该系统还可以进一步延伸至彩色铅笔画的自动生成。     

基于优化空间金字塔匹配模型的图像分类

基于空间金字塔匹配模型(SPM)的图像分类中,构建视觉词直方图时对图像中所有特征都是同等对待,没有考虑到图像中不同区域特征的影响因子.显然,图像中目标区域比背景区域的特征重要性要大,为了避免图像中不重要区域的特征给图像分类带来干扰,提出了一种优化空间金字塔模型的图像分类方法.首先利用模拟退火算法与遗传算法相结合的聚类算法(SAGA)构造视觉词典,然后利用视觉注意机制构造加权的视觉词直方图.该方法在不丢失图像的全局信息的情况下,还考虑到了图像中各个区域对图像分类的重要性.最后将图像的表示向量使用SVM训练和分类.实验表明,本方法能够提高图像分类的准确率.     

频率相关转换矩阵的一种平滑算法

使用传统算法得到的转换矩阵中的元素存在突变点,会给有理函数近似带来很大困难。为此提出了一种新算法能够使转换矩阵成为频率的光滑函数;新算法先使用传统的算法计算出每个频率点的转换矩阵,然后再通过一个平滑算法消除转换矩阵中由传统算法产生的突变点。在实现新算法的基础上,通过一个双回三相不换位输电线路的算例将新算法与Newton-Raphson算法进行了比较。实验结果和理论分析表明新算法具有更高的效率和更好的追踪能力。     

基于扩展顺序图的多风格软件可靠性分析方法

传统UML顺序图模型在描述软件结构风格多样性方面存在不足,并且与基于离散时间Markov链的软件可靠性分析模型DTMC之间也存在差异。提出了一种基于扩展顺序图的多风格软件可靠性分析方法。首先通过分析不同软件结构风格的组成原理给出了对应的可靠性计算方法,然后通过对顺序图模型进行形式化扩展,使之具备了可靠性分析所必需的软件结构信息,最后将扩展的顺序图模型转换为能够处理多风格软件可靠性问题的DTMC模型。实例分析表明,这种模型和方法可以使得软件开发早期的可靠性分析工作变得更加方便、高效、合理。     

基于生成对抗网络的数字图像修复技术

针对破损区域面积大的图像,在现有的图像修复方法中,往往会产生与周围区域不一致的扭曲结构或模糊的纹理。随着深度学习的发展和应用,基于生成对抗网络的方法,通过调节可用数据来生成缺失的内容。对于一个数据集,先将数据集中的样本解析成概率分布中的样本点,利用生成对抗网络快速生成出大量伪造图像,通过搜索最接近的已损坏图像的编码,然后这个编码通过生成模型来推断缺失内容。在此基础上,结合了语义损失函数和感知损失函数,并通过改进激活函数Sigmoid函数扩大了不饱和区域,解决了梯度易消失的问题。通过实验表明,方法成功的预测了图像中大面积缺失区域的信息,并实现了照片的真实感,比先前的方法产生更清晰更连贯的结果。     

基于区域直方图和特征相关匹配规则的图像复制-粘贴篡改检测算法

针对当前较多图像伪造检测算法主要通过利用图像的灰度特征来进行图像伪造检测,当伪造内容存在较大灰度差异时,将导致检测结果中出现较多的误测以及鲁棒性不佳的不足。提出了基于区域直方图和特征相关匹配规则的图像复制-粘贴篡改检测算法。首先,利用Hessian矩阵行列式对图像特征进行检测,通过积分图像的方法提高Hessian矩阵行列式检测图像特征点的效率。然后,通过求取Haar小波响应值,以判定特征点的主方向。接着,对圆形窗口进行均匀分割,利用像素点的梯度模值来建立分割区域直方图,以获取特征向量,生成特征描述符。最后,利用归一化互相关(NCC)函数对特征点的相关性进行度量,建立特征相关匹配规则对特征点进行匹配。利用凝聚层次聚类方法,对特征点进行层次聚类,实现图像的伪造检测。实验结果分析表明,与当前图像匹配算法相比,图像伪造检测算法不仅能较精确的对伪造内容进行检测,而且还具有较强的鲁棒性能。     

基于格拉姆角场与迁移学习-AlexNet的变压器绕组松动故障诊断方法

绕组松动故障是变压器最主要的机械故障之一，尚缺乏有效的智能化诊断方法。为此提出基于格拉姆角场与迁移学习-AlexNet的变压器绕组松动故障诊断方法。变压器稳态运行时的振动信号存在周期性的特点，导致其构建足量具有时间相关性的图像集十分困难，提出了一种样本构建方法用于生成变压器振动信号的格拉姆角场图像集。将生成的图像集送入AlexNet进行迁移学习，获得微调后的神经网络模型。实验结果表明：利用该样本构建方法生成的图像集作为训练集和验证集，建立的卷积神经网络模型训练准确率与验证准确率均达到99%以上；利用变压器周期性振动信号生成的图像集作为测试集，测试准确率达到99%以上，实现了变压器绕组松动故障的准确诊断，并为周期性信号运用具有时间相关性的图像变换方法构建足量样本集提供了一种新思路。     

非侵入式负荷识别的电流序列可视化方法

以单一特征为标签的用电设备识别,因特征携带的信息量不足,在区分性质相似的负荷时易产生误判,为此,提出一种将电流序列编码为图像的二维可视化方法,通过计算机视觉技术对负荷进行分类识别。利用Fryze功率理论提取电流的非有功分量,通过格拉姆角场(GAF)将一维电流序列转换成二维图像,借助数据扩充的方式进行升维,并赋予矩阵颜色特征来提升负荷标签的辨识度;基于迁移学习的思想,利用预训练模型Inception_v3提取并学习GAF图像特征,并以该特征为标签对负荷类型进行分类识别。在2个公开数据集上的实验验证了所提方法在高频采集场景下的准确性和有效性。     

Elements of four-port matrix theory as required for sc network analysis

Four-port matrix theory is the foundation for various useful methods of analysing switched-capacitor networks. Thus, for example, signal-flow graph techniques, the link-two-port concept, and nodal computer analysis methods are based on either the four-port transmission or admittance matrix. In the derivation of these analysis techniques transmission, reverse-transmission, and transfer matrices are often used, but the relationship between them has not yet been clearly formulated for four-port networks. In this paper an attempt at formulation and clarification is made. Furthermore, it is shown that, once the considerable simplifications due to the presence of opamps are taken into account, a simple and elegant method of hand analysis for basic SC circuits using a combination of transmission and transfer matrix parameters results.     

基于时序信号图像编码和生成对抗网络的配电网台区数据修复

受不可抗力影响,配电网低压台区数据中普遍存在缺失值,整体数据质量较差,限制了台区的精益化管理水平。传统的数据修复方法忽略了数据的周期性和时序性,修复精度较低。提出了一种基于图像编码和生成对抗网络的台区缺失数据修复方法。首先引入了一种一维时序信号编码图像预处理方法,将原始的时序信号转换为格拉姆角场图像,然后利用卷积神经网络在图像特征提取上的强大优势构建了生成对抗网络模型。结合像素损失和相似性损失的双重约束条件增强了生成图像的质量。整体流程由数据驱动,无需先验知识的分布假设与显式物理建模。最后的算例结果表明,该方法能够较为精确地实现台区缺失数据的修复。     

基于HOG特征的步态能量图身份识别算法

由于步态能量图像(GEI)是对二值轮廓图像序列相加求平均,然而,二值轮廓图像只能捕获人体轮廓的边界信息,人体的内部边界信息会被完全的丢弃掉,基于GEI算法的缺陷,提出了一种基于人体目标图像的方向梯度直方图(HOG)特征的GEI识别算法,此算法不仅能捕获人体轮廓的边界信息,而且还能提取人体重合的边界信息.获取人体目标图像的HOG特征的步态能量图,首先使用视频前景分割算法提取人体目标图像,然后提取图像序列中每帧人体目标图像的HOG特征;最后对图像序列中的每帧HOG特征图像相加求平均.在此基础上,依据GEI和HOG的思想,又实现了对传统步态能量图、二值轮廓图像序列、人体目标图像步态能量图进行HOG特征提取及直接构建人体目标图像步态能量图特征的表示,从而提出了 4种拓展的能量图构建方法,并针对这5种算法与经典的GEI算法利用CASIA步态数据库进行了实验分析对比,实验结果表明算法效果良好.     

基于矩阵变换器的开关电源及其仿真研究

开关电源由于采用二极管整流,导致输入功率因数低且总谐波畸变率高。将矩阵变换器理论引入到开关电源设计中,对3-Φ1Φ矩阵变换器控制原理进行分析,采用PWM技术合成开关函数,并搭建了仿真模型。仿真结果表明:该电源不仅具有良好的输出特性,而且功率因数可达到1,从而可以预见矩阵变换器在开关电源领域将具有广阔的发展前景。     

基于直方图加权HCBP的人脸表情识别

针对局部二值模式(Local binary pattern,LBP)及其改进算法所提取的特征维数过长、局部特征描述不够充分的缺点,提出了一种基于直方图加权HCBP(Haar-like centralized binary pattern,HCBP)的人脸表情识别方法。首先将人脸图像分成大小均匀的若干子块,利用HCBP算子提取各子块的纹理特征;然后通过信息熵的计算求得各子图像的权值,将加权子块HCBP特征直方图和原图像的HCBP直方图进行联合作为表情特征;最后,使用最近邻分类器对特征进行分类。Haar型特征与CBP相结合使得本文特征提取算法对局部特征的描述更为充分,信息熵的引入区分了人脸不同部位对表情的贡献程度。通过在JAFFE和Cohn-Kanade人脸表情库的实验证明:本文方法具有更高的识别率和识别效率。